python网页图片抓取_Python爬虫学习笔记一：简单网页图片抓取

利用python抓取网络图片的步骤是：

1、根据给定的网址获取网页源代码

2、利用正则表达式把源代码中的图片地址过滤出来

3、根据过滤出来的图片地址下载网络图片

以下是比较简单的一个抓取某一个百度贴吧网页的图片的实现：

# -*- coding: utf-8 -*-

# feimengjuan

import re

import urllib

import urllib2

#抓取网页图片

#根据给定的网址来获取网页详细信息，得到的html就是网页的源代码

def getHtml(url):

page = urllib.urlopen(url)

html = page.read()

return html

def getImg(html):

#利用正则表达式把源代码中的图片地址过滤出来

reg = r'src="(.+?\.jpg)" pic_ext'

imgre = re.compile(reg)

imglist = imgre.findall(html) #表示在整个网页中过滤出所有图片的地址，放在imglist中

x = 0

for imgurl in imglist:

urllib.urlretrieve(imgurl,'%s.jpg' %x) #打开imglist中保存的图片网址，并下载图片保存在本地

x = x + 1

html = getHtml("http://tieba.baidu.com/p/2460150866")#获取该网址网页详细信息，得到的html就是网页的源代码

getImg(html)#从网页源代码中分析并下载保存图片

进一步对代码进行了整理，在本地创建了一个“图片”文件夹来保存图片

# -*- coding: utf-8 -*-

# feimengjuan

import re

import urllib

import urllib2

import os

#抓取网页图片

#根据给定的网址来获取网页详细信息，得到的html就是网页的源代码

def getHtml(url):

page = urllib.urlopen(url)

html = page.read()

return html

#创建保存图片的文件夹

def mkdir(path):

path = path.strip()

# 判断路径是否存在

# 存在 True

# 不存在 Flase

isExists = os.path.exists(path)

if not isExists:

print u'新建了名字叫做',path,u'的文件夹'

# 创建目录操作函数

os.makedirs(path)

return True

else:

# 如果目录存在则不创建，并提示目录已经存在

print u'名为',path,u'的文件夹已经创建成功'

return False

# 输入文件名，保存多张图片

def saveImages(imglist,name):

number = 1

for imageURL in imglist:

splitPath = imageURL.split('.')

fTail = splitPath.pop()

if len(fTail) > 3:

fTail = 'jpg'

fileName = name + "/" + str(number) + "." + fTail

# 对于每张图片地址，进行保存

try:

u = urllib2.urlopen(imageURL)

data = u.read()

f = open(fileName,'wb+')

f.write(data)

print u'正在保存的一张图片为',fileName

f.close()

except urllib2.URLError as e:

print (e.reason)

number += 1

#获取网页中所有图片的地址

def getAllImg(html):

#利用正则表达式把源代码中的图片地址过滤出来

reg = r'src="(.+?\.jpg)" pic_ext'

imgre = re.compile(reg)

imglist = imgre.findall(html) #表示在整个网页中过滤出所有图片的地址，放在imglist中

return imglist

#创建本地保存文件夹，并下载保存图片

if __name__ == '__main__':

html = getHtml("http://tieba.baidu.com/p/2460150866")#获取该网址网页详细信息，得到的html就是网页的源代码

path = u'图片'

mkdir(path) #创建本地文件夹

imglist = getAllImg(html) #获取图片的地址列表

saveImages(imglist,path) # 保存图片

结果在“图片”文件夹下保存了几十张图片，如截图：